如何基于共用日期列合并多只股票的CSV文件？

问题根源 #

你的代码有两个核心问题导致合并失败：

1. 文件路径错误：os.listdir(path)仅返回文件名，直接用pd.read_csv(file)读取时，会在当前工作目录（而非Stock子文件夹）查找文件，导致读取的文件可能不对或找不到。
2. 合并逻辑错误：每次循环中df = pd.concat([df_temp], ...)会用当前单个股票的DataFrame覆盖之前的df，而非累加合并所有股票数据。

修正后的代码 #

from google.colab import drive
drive.mount('/content/drive') 
import numpy as np
import os
import pandas as pd

# 指向Stock文件夹的路径
path = "/content/drive/MyDrive/Stock"
files = os.listdir(path)

# 初始化列表存储每个股票的DataFrame
stock_dfs = []

for file in files:
    if file.endswith(".csv"):
        # 拼接完整文件路径
        full_file_path = os.path.join(path, file)
        # 读取CSV，解析日期为datetime类型，以Date为索引
        df_temp = pd.read_csv(
            full_file_path,
            usecols=['Adj Close', 'Date'],
            index_col='Date',
            parse_dates=['Date']  # 确保日期格式统一，保证索引对齐
        )
        # 将Adj Close列重命名为股票文件名（可选择去除.csv后缀）
        stock_name = file.replace('.csv', '')
        df_temp.rename(columns={'Adj Close': stock_name}, inplace=True)
        # 将当前股票DataFrame加入列表
        stock_dfs.append(df_temp)

# 合并所有股票DataFrame，按列拼接
merged_df = pd.concat(stock_dfs, axis=1, join='outer')  # join='inner'可只保留所有股票共有的日期

# 展示合并结果
display(merged_df)

# 可选：将合并结果保存为新CSV
merged_df.to_csv("/content/drive/MyDrive/Stock/merged_stocks.csv")

关键修正点说明 #

• 正确获取文件路径：用os.path.join(path, file)拼接完整路径，确保读取的是Stock文件夹下的目标文件。
• 批量收集再合并：先将每个股票的DataFrame存入列表，最后一次性合并，避免循环中覆盖数据，同时提升效率。
• 日期解析：添加parse_dates=['Date']将日期转为datetime类型，确保不同股票的日期索引能正确对齐（即使某些股票缺失部分日期）。
• 列名优化：去除文件名的.csv后缀，让结果列名更简洁。
• 合并方式选择：join='outer'保留所有股票的所有日期（缺失值用NaN填充），若只需所有股票共有的日期，改为join='inner'即可。

最终效果 #

合并后的DataFrame会呈现你需要的格式：

内容的提问来源于stack exchange，提问作者amy